Para realizar conversiones a dolares de poder adquisitivo constante cargamos los datos del tipo de cambio de paridad (actualizado hasta 2018) y el índice de precios al consumidor de Estados Unidos.
#TC
tcp_arg <- as.data.table(read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "tipo_cambio"))
tcp_arg = tcp_arg[,!c("sv", "fuente"), with = F]
#IPC Arg
ipc_arg <- as.data.table(read_csv("../data/indices/ipc_annual_avg.csv"))
#CPI EEUU
ipc_us <- as.data.table(read_csv("../data/bls/cpi.csv"))
setnames(ipc_us,"Year", "anio" )
ipc_us = ipc_us[, .(ipc_us_20 = mean(Value, na.rm=T)), by = anio]
ipc_us[, ipc_us_20 := generar_indice(serie = ipc_us_20,
fecha = anio, fecha_base = 2020)]
tail(tcp_arg)
## anio TCc TCp
## 1: 2013 5.49000 8.251679
## 2: 2014 8.12360 11.536618
## 3: 2015 9.43000 15.596330
## 4: 2016 14.77745 22.215665
## 5: 2017 16.55000 24.495660
## 6: 2018 39.00000 35.131697
data = fread("../resultados/argentina/variables.csv")
glimpse(data)
## Rows: 6,423
## Columns: 6
## $ anio <int> 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, ~
## $ variable <chr> "Producción de petróleo crudo", "Producción de petróle~
## $ unidad <chr> "barriles", "barriles", "barriles", "barriles", "barri~
## $ codigo_variable <chr> "Q_crudo_regalias", "Q_crudo_regalias", "Q_crudo_regal~
## $ valor <dbl> 296505952, 277696773, 269251895, 271502835, 263813108,~
## $ fuente <chr> "Sec. Energía - Regalías", "Sec. Energía - Regalías", ~
empleo_y_salario_plt <- data %>%
filter(str_detect(codigo_variable, "Ocup|Rem")) %>%
separate(variable, c("variable" ,"sector"), " - ") %>%
left_join(ipc_arg %>% select(anio,IPC_18 )) %>%
mutate(valor = case_when(variable == "Salario" ~ valor/IPC_18,
T~ valor)) %>%
ggplot(aes(anio, valor, color = fuente))+
geom_line(alpha = alpha_n)+
facet_wrap(variable~sector, scales = "free")
## Joining, by = "anio"
n_plot = n_plot +1
plot_ggplotly(empleo_y_salario_plt, paste0("Gráfico N°", n_plot, ". Remuneracion y ocupados en la industria hidrocarburífera"))
Se presentan a continuación distintas estimaciones sobre la magnitud de riqueza presente en el sector hidrocarburífero: Valor Bruto y Agregado de Producción (VBP y VA), Consumo Interemedio (CI), Masa Salarial (MS) y Excedente Bruto de Explotación (EBE). El VBP surge de la valuación de la producción a sus precios correspondientes. El VA resulta de la diferencia entre el VBP y CI, el cual puede surgir originalmente de esta resta o a partir del coeficiente técnico de la Matriz Insumo Producto (MIP). El EBE constituye la plusvalía (PV) total de la rama, es decir, la suma de la renta de la tierra (RT) más la ganancia normal (Gnorm), y se obtiene luego de descontar la MS y los impuestos específicos (Imp) del VA. En todos los casos que se presentarán a continuación, los Imp se calcularon a partir de aplicar sobre el VBP un coeficiente resultante del peso de los impuestos promedio de la MIP de 1997. Lo mismo pasa con la estimación de la depreciación de capital o consumo de capital fijo (ConsKfijo), que se obtiene a partir de aplicar la tasa de depreciación promedio resultante de los balances de YPF (1998 - 2018) sobre el total de Propiedad, Planta y Equipo (PPyE) de la rama. Esta partida se aplica para obtener el Excedente Neto de Explotación. Se presentan distintas estimaciones para el VBP, CI y MS, que luego se observarán en la formulación matemática:
Valor Bruto de Producción total, estimación con criterio propio \[VBP_{propia} = (Pext_{petróleo} * Q_{petróleo} + Pext_{gas} * Q_{gas}) * TCP\]
Donde:
Valor Bruto de Producción total, estimación con criterio CCNN \[VBP_{CCNN} = (Pint_{petróleo} * QMInt_{petróleo} + Pext_{petróleo} * Expo_{petróleo} + Pint_{gas} * QMInt_{gas} + Pext_{gas} * Expo_{gas})* TCC\]
Donde:
Valor Bruto de Producción extracción, estimación con criterio CCNN
\[VBP\_extr_{CCNN} = VBP_{CCNN} * (1-prop\_servicios)\]
Donde:
Proporción de los servicios de apoyo sobre la extracción de petróleo y gas
\[prop\_servicios = \frac{VBP\_servicios_{COU}}{VBP\_extr_{COU} + VBP\_servicios_{COU}}\]
Donde:
Consumo Intermedio, valores oficiales de las CCNN \[ CI_{CCNN} = VBP_{CCNN} - VA_{CCNN} \]
Donde:
Consumo Intermedio, estimación con criterio CCNN \[ CI_{CCNN} = VBP_{CCNN} * Coef\_tec \] Donde:
Consumo Intermedio de extracción, estimación con criterio CCNN
\[ CI\_extr_{CCNN} = VBP\_extr_{CCNN} * Coef\_tec \]
Donde:
Masa Salarial, valores oficiales de las CCNN \[MS = W * Emp * 13\] Donde:
Masa Salarial, estimación con criterio CCNN \[MS = VBP_{CCNN} * Coef\_MS\]
Donde:
Masa Salarial de extracción, estimación con criterio CCNN \[MS\_extr = VBP\_extr_{CCNN} * Coef\_MS\]
Donde:
Valor agregado, estimación criterio CCNN \[VA_{CCNN} = VBP_{CCNN} – CI_{CCNN} \] Donde:
Valor agregado de extracción, estimación con criterio CCNN \[VA\_extr_{CCNN} = VBP\_extr_{CCNN} – CI\_extr_{CCNN} \]
Donde:
Valor agregado, estimación con criterio propio \[VA_{propia} = VBP_{propia} – CI\_extr_{CCNN} \]
Donde:
Excedente Bruto de Explotación, estimación con criterio CCNN \[EBE_{CCNN} = VA_{CCNN} – MS \]
Excedente Bruto de Explotación de extracción, estimación con criterio CCNN \[EBE\_extr_{CCNN} = VA\_extr_{CCNN} – MS\_extr \]
Excedente Bruto de Explotación, estimación con criterio propio \[EBE_{propia} = VA_{propia} – MS\_extr \]
Donde:
Consumo de Capital Fijo, estimación con criterio propio \[ConKfijo = PPyE * prom(\frac{Dep}{PPyE}) \]
Donde:
Plusvalía (Excedente Neto de Explotación), estimación con criterio propio \[PV_{propia} = VA_{propia} - ConKfijo - Imp \]
Donde:
valor_total_produccion = read.csv("../resultados/data_viz/valor_total_produccion.csv")
graf_valor_produccion <- valor_total_produccion %>%
mutate(sector = case_when(str_detect(variable, "tot") ~"Total rama",
str_detect(variable, "extr") ~"Extracción de petróleo y gas",
T ~ NA_character_)) %>%
filter(anio > 1960) %>%
arrange(sector) %>%
ggplot( aes(anio, valor, color = fuente))+
geom_line(alpha = 0.7)+
geom_point(size = 0.435, alpha = 0.2)+
theme_classic()+
theme(legend.position = "bottom")+
labs(title = "Valor de la Producción hidrocarburífera",
subtitle = "Valor total y componentes",
y = "Millones de pesos de 2018")+
facet_wrap( sector~ variable, ncol = 5, scales = "free")
# gp <- ggplotly(graf_valor_produccion)#, width = 750, height = 700)
gp <- plot_ggplotly(graf_valor_produccion, "Valor de la Producción hidrocarburífera")
gp[['x']][['layout']][['annotations']][[2]][['x']] <- -0.11
gp %>% layout(margin = list(l = 75))
Existen dos caminos para llegar al monto total de renta de la tierra hidrocarburífera: uno es descontando la ganancia normal de las empresas a la plusvalía total del sector y el otro es por medio de la suma de mecanismos de apropiación.
\[Renta\_hidrocarburífera = PV_{hidrocarburífera} - Gcia\_Normal_{hidrocarburífera}\]
Donde:
\[Gcia\_Normal_{hidrocarburífera} = KTA_{hidrocarburífero} * TG_{referencia}\]
Donde:
En este caso, seleccionamos la tasa de ganancia del sector industrial como parámetro para diferenciar la renta de la ganancia. A su vez, para el capital total adelantado de las empresas hidrocarburíferas, seleccionamos unicamente el valor resultante de la estimación de la PPyE de Bolsar, por lo que le faltan los inventarios y salarios adelantados.
El cálculo de renta total hidrocarburífera que se obtiene por medio de descontar la ganancia normal a la plusvalía total del sector, debe ser igual a la renta obtenida por medio de la agregación de los distintos mecanismos de apropiación. Es decir:
\[Renta\_hidrocarburífera = Renta\_diferencial\_precios + Renta\_sobrevaluación + Renta\_empresas + Impuestos\_netos\_específicos \] \[Impuestos\_netos\_específicos = Retenciones + Regalías - Subsidios\]
renta_pextq = read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "RTPG_PextQ") %>%
# select(anio ,unidad, valor = Rtt) %>%
mutate(var = "Renta por descuentos sobre plusvalía")%>%
as.data.table()
renta_mecanismos = read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "RTPG_mecanismos") %>%
# select(anio ,unidad, valor = Rtt) %>%
mutate(var = "Renta por suma de mecanismos") %>%
as.data.table()
renta_arg = rbind(renta_pextq[,c("anio" ,"unidad", "Rtt", "var")],
renta_mecanismos[,c("anio" ,"unidad", "Rtt", "var")])
merge_func <- function(...) merge(..., all.x = T, by = "anio")
renta_usd = Reduce(merge_func, list(renta_arg, tcp_arg, ipc_us))
renta_usd[, Rtt := ((Rtt/1e6)/TCp)/ipc_us_20]
renta_usd[, unidad := "Millones de USD TCp de 2020"]
# renta_usd = merge(renta_usd, tcp_arg, by = "anio", all.x= T)
renta_plot1 = ggplot(renta_usd[anio > 1960], aes(anio, Rtt, color = var))+
geom_line()+
labs(y = "Millones de USD TCp de 2020")+
# scale_y_continuous(breaks = seq(0, 60*1e4, 10*1e4))
scale_y_continuous(breaks = seq(0, 60000, 10000))
renta_plot1 = plot_theme(renta_plot1)+theme(legend.title = element_blank(),
axis.title.x = element_blank())
ggsave( filename = "../resultados/argentina/renta_mecanismos_y_pxq_ARG.png",
renta_plot1, width = 12, height = 10)
plot_ggplotly(renta_plot1, title = "Renta hidrocarburífera total de Argentina",
subtitle = "Comparación de estimaciones propias")
renta_pextq_pbi = read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "RTPG_PextQ_vs_pib") %>%
mutate(var = "Renta por descuentos sobre plusvalía")
renta_mecanismos_pbi = read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "RTPG_mecanismos_vs_pib") %>%
mutate(var = "Renta por suma de mecanismos")
renta_pbi = as.data.table(rbind(renta_pextq_pbi, renta_mecanismos_pbi))
renta_pbi = renta_pbi[, !"unidad", with=F]
renta_pbi = melt(renta_pbi, id.vars = c("anio", "var"))
renta_plot2 = ggplot(renta_pbi, aes(anio, value, color = var))+
geom_line()+
facet_wrap(~variable, ncol =1)+
scale_y_continuous(labels = scales::percent_format(accuracy = 2))+
scale_x_continuous(breaks = seq(1960, 2020, 5))+
labs(y = "", x="")
renta_plot2 = plot_theme(renta_plot2)+theme(legend.title = element_blank(),
axis.title.x = element_blank(),
axis.text.x = element_text(angle = 45,
vjust= 0.7, hjust= 0.5),
axis.title.y = element_blank())
plot_ggplotly(renta_plot2,"Renta hidrocarburífera total de Argentina",
"Sobre PBI y PV")
Renta apropiada mediante el abaratamiento en el consumo interno por efecto del diferencial de precios interno/externo, sobrevaluación de la moneda y retenciones a la exportación
renta_mecanismos[, Subs := Subs * -1]
renta_mecanismos = Reduce(merge_func,
list(melt(select(renta_mecanismos, -c("IPC_18", "unidad", "var", "Rtt")),
id.vars="anio") ,
tcp_arg, ipc_us))
renta_mecanismos[, value := ((value/1e6)/TCp)/ipc_us_20]
renta_mecanismos[, unidad := "Millones de USD TCp de 2020"]
\[RDP= ProdInt * Pext * TCP - ProdInt * PMI * TCC\]
Donde:
\[RDP = MdoInt * PMI * (\frac{TCP}{TCC} - 1)\]
renta_difp_plot = ggplot( renta_mecanismos[grepl( "Rdifp", variable), ] ,
aes(anio, value, color = variable))+
geom_line()+
labs(y = "Millones de USD TCp de 2020")
plot_ggplotly(renta_difp_plot,
"Renta por diferencial de precios interno y externo" ,
"Argentina (1960 - 2020)")
\[Rsobrevaluacion = Expo * Pext * (TCP - TCC)\]
Donde: * \(Rsobrevaluacion\) = Renta apropiada por exportaciones con tipo de cambio sobrevaluado * \(Expo\) = Exportaciones (barriles de petróleo ó MMBTU) * \(Pext\) = Precio de referencia del mercado externo (USD) * \(TCP\) = Tipo de Cambio de Paridad * \(TCC\) = Tipo de Cambio Comercial
renta_difp_plot = ggplot( renta_mecanismos[grepl( "Rsvx", variable), ] ,
aes(anio, value, color = variable))+
geom_line()+
labs(y = "Millones de USD TCp de 2020")
plot_ggplotly(renta_difp_plot,
"Renta por exportaciones sobrevaluadas" ,
"Argentina (1960 - 2020)")
La renta apropiada por las empresas de la rama se calcula por medio del diferencial de tasas de ganancia entre el sector hidrocarburífero que surge a partir de los balances y la rentabilidad normal de la economía.
\[Renta\_empresas = KTA_{hidrocarburífero} * (TG_{hidrocarburífera} - TG_{referencia})\] \[TG_{hidrocarburífera} = \frac{Gcia_{hidrocarburos}}{KTA_{hidrocarburífero}}\] Por lo cual, la renta apropiada por las empresas de la rama sería equivalente a:
\[Renta\_empresas = Gcia_{hidrocarburos} - KTA_{hidrocarburífero} * TG_{referencia}\]
Donde:
tasa_ganancia_rama_stock = read_excel("../resultados/argentina/renta_de_la_tierra_hidrocarburifera_arg.xlsx", sheet = "tg_pg_total")
# tasa de ganancia
graf_tg_rama_2 <- tasa_ganancia_rama_stock %>%
filter(anio >1995) %>%
ggplot(aes(anio, TG_pg, color = stock_seleccionado))+
geom_line(aes(anio, TG_manuf))+
geom_line(alpha = 0.5)+
geom_point()+
scale_y_continuous(labels = scales::percent)+
theme(axis.text.x = element_text(angle = 90),
legend.position = "bottom")
plot_ggplotly(graf_tg_rama_2 ,
title = "Tasa de ganancia hidrocarburífera con PPyE a partir de stock de pozos (1960 - 2018)")
renta_difp_plot = ggplot( renta_mecanismos[grepl( "Rkindv", variable) & anio >1997, ] ,
aes(anio, value, fill = variable))+
geom_col()+
labs(y = "Millones de USD TCp de 2020")
plot_ggplotly(renta_difp_plot,
"Renta apropiada por las empresas" ,
"Argentina (1997 - 2020)")
\[Rimp = RE + Reg - Subs\]
Donde:
Fuentes: * Secretaría de Energía (Base Regalías)
Fuentes: * AFIP * Campodónico * Farfaro Ruiz y Bil
Fuentes: * CEFIP * EJES
renta_difp_plot = ggplot( renta_mecanismos[grepl( "Rreg|Rret|Subs", variable) , ] ,
aes(anio, value, fill = variable))+
geom_col()+
labs(y = "Millones de USD TCp de 2020")
plot_ggplotly(renta_difp_plot,
"Renta apropiada por medio de impuestos" ,
"Argentina (1997 - 2020)")
\[RR = (PI - PRMi) * CrudoP\]
\[RC = (PI - PRMi - MR) * CrudoP \]
Esto resulta equivalente a plantear:
\[RC = PCMi * CrudoP\]
# renta_mecanismos = renta_mecanismos[,!c("Rtt", "IPC_18", "unidad"), with = F]
# renta_mecanismos[, Subs := Subs *-1]
# renta_mecanismos = melt(renta_mecanismos, id.vars = "anio",
# variable.name = "tipo_renta",
# value.name = "valor")
# merge_func <- function(...) merge(..., all = TRUE, by='anio')
# renta_mecanismos = Reduce(merge_func, list(renta_mecanismos, tcp_arg, ipc_us))
# renta_mecanismos[, valor := ((valor/1e6)/TCp)/ipc_us_20]
# renta_mecanismos[, unidad := "Millones de USD TCp de 2020"]
renta_plot3 = ggplot(renta_mecanismos, aes(anio, value,
color = variable, fill = variable))+
geom_col(position = "stack")+
theme(legend.position = "bottom")+
labs(y = "Millones USD TCc de 2020")+
scale_x_continuous(breaks = seq(1960, 2020, 5))+
scale_y_continuous(breaks = seq(0, 50000, 10000),
labels=function(x) format(x, big.mark = ".", scientific = FALSE))+
theme_classic()
# renta_plot3 = plot_theme(renta_plot3)+theme(legend.title = element_blank(),
# axis.title.x = element_blank(),
# axis.text.x = element_text(angle = 45,
# vjust= 0.7, hjust= 0.5))
plot_ggplotly(renta_plot3 , title = "Renta de la tierra hidrocarburífera",
subtitle = "Cursos de apropiación")
# ggsave("../resultados/argentina/renta_mecanismos_tcp.png",renta_plot3)
#cargo renta autores
renta_autores <- fread("../resultados/argentina/renta_autores.csv")
renta_autores = merge(renta_autores, ipc_us, all.x=T, by = "anio")
renta_autores[, valor := valor /ipc_us_20]
renta_autores[, unidad := "Millones de USD TCc de 2020"]
renta_autores = renta_autores[,!"ipc_us_20", with=F]
renta_autores = merge(renta_autores, tcp_arg, all.x= T, by = "anio")
renta_autores[,valor := (valor*TCc)/TCp]
renta_autores= renta_autores[, !c("TCc", "TCp"), with = F]
#preproceso renta total
renta_usd = renta_usd[, !c("TCc", "TCp", "ipc_us_20"), with = F]
setnames(renta_usd, c("var","Rtt" ), c("tipo_de_renta","valor"))
renta_usd[, autor := "Propia"]
#preproceso renta mecanismos
# renta_mecanismos = as.data.table(renta_mecanismos)
renta_mecanismos[, autor := "Propia"]
renta_mecanismos[, value := value*TCp/TCc]
renta_mecanismos = renta_mecanismos[, !c("TCc", "TCp", "ipc_us_20"), with = F]
# setnames(renta_mecanismos, "tipo_renta", "tipo_de_renta")
renta_mecanismos = dcast(renta_mecanismos, anio+autor~variable, value.var = "value")
renta_mecanismos[, `:=`(renta_diferencial_precios = rowSums(cbind(Rdifp_crudo, Rdifp_gas), na.rm=T),
renta_estado_total = rowSums(cbind(Rret, Rreg), na.rm=T),
renta_sobrevaluacion = rowSums(cbind(Rsvx_crudo, Rsvx_gas), na.rm=T) ,
unidad = "Millones de USD TCc de 2020" )]
renta_mecanismos= renta_mecanismos[, !c("Rdifp_crudo", "Rdifp_gas",
"Rsvx_crudo", "Rsvx_gas"), with=F]
setnames(renta_mecanismos, c("Rkindv", "Subs", "Rret", "Rreg"),
c("renta_empresas", "subsidios", "retenciones", "regalias") )
renta_mecanismos = melt(renta_mecanismos,id.vars = c("anio", "autor", "unidad"), variable.name = "tipo_de_renta",
value.name = "valor")
#junto los datos
renta_comparacion = rbind(renta_usd, renta_mecanismos, renta_autores)
#grafico renta total
graf_renta_total_comparacion = ggplot(data = renta_comparacion[str_detect(tipo_de_renta , "renta_total|Renta por suma de mecanismos") & anio > 1990],
aes(anio, valor, color = autor))+
geom_line()+
geom_point()+
theme(legend.position = "bottom")+
labs(y = "Millones de USD TCp de 2020", x="",
caption = "Nota: en la estimación propia se utilizó la renta por por suma de mecanismos")+
theme_classic()+
scale_x_continuous(breaks = seq(1960, 2020, 5))+
scale_y_continuous(labels=function(x) format(x, big.mark = ".", scientific = FALSE))
graf_renta_total_comparacion =plot_theme( graf_renta_total_comparacion)+theme(
legend.title = element_blank())
plot_ggplotly(graf_renta_total_comparacion,
title = "Renta de la tierra hidrocarburífera total de Argentina",
subtitle = "Comparación con otras estimaciones")
# ggsave("../resultados/argentina/comparacion_autores_usd_tcp.png", graf_renta_total_comparacion,
# width = 10, height = 5)
#grafico comparacion con otros autores
graf_tipos_renta <- ggplot(data = renta_comparacion[!str_detect(tipo_de_renta, c("renta_total|Renta por descuentos sobre plusvalía|Renta por suma de mecanismos|renta_estado_total"
# "renta_diferencial_precios",
))& anio >1990],
aes(anio, valor, color = autor))+
geom_line()+
geom_point(size = 0.5)+
geom_hline(yintercept = 0)+
facet_wrap(~tipo_de_renta, scales = "free_y")+
labs(y = "Millones USD TCp de 2020")+
scale_x_continuous(breaks = seq(1990, 2020, 5))
# # # ggplotly(graf_tipos_renta, width = 800, height = 600)
graf_tipos_renta = plot_theme(graf_tipos_renta)+theme(
axis.text.x = element_text(angle = 45, hjust = 1),
strip.text = element_text(12), legend.title = element_blank() )
plot_ggplotly(graf_tipos_renta, title = "Renta de la tierra hidrocarburífera",
subtitle = "Comparación de estimaciones")
ggsave("../resultados/argentina/comparacion_autores_tipo_renta_usd_tcp.png",
graf_tipos_renta, width = 16, height = 10)